●﹏● 浅谈⼏种基本的点估计⽅法及实例参数估计有两种形式：点估计与区间估计。本⽂选择⼏种常⽤的点估计⽅法作⼀些讨论。⽤于估计未知参数的统计量称为点估计（量）。参数的估点估计的方法有矩估计法、顺序统计量法、最大似然法、最小二乘法等。这里仅介绍最为简单、直观又常用的矩估计法。在统计学中，矩是指以期望为基础而定义的数字
最流行的两种：K Pearson的矩估计矩估计法，也称“矩法估计”，就是利用样本矩来估计总体中相应的参数. 最简单的矩估计法是用一阶样本原点矩来估计总体的期望而点估计常用的方法有两种：矩估计和最大似然估计。之所以要做估计，最本质的问题是我们能获得的信息量(样本的数量)有限，因此只能在有限的信息中，用合理的方法、在
ˇ▽ˇ 构造点估计常用的方法：①矩估计法。用样本矩估计总体矩，如用样本均值估计总体均值。②最大似然估计法。于1912年由英国统计学家R.A.费希尔提出，利用样本分布密构造点估计常用的方法是：①矩估计法，用样本矩估计总体矩②最大似然估计法。利用样本分布密度构造似然函数来求出参数的最大似然估计。③最小二乘法。主要用于线性统计模型中的参数
●▂● 点估计的经典方法是：1)矩估计法(2)极大似然估计法二、矩估计法(简称“矩法”)英国统计学家皮尔逊(K.pearson)提出1、矩法的基本思想：以样本原点矩计；1nkXini1 作为相应的总体同阶矩E(Xk)在参数估计中，常用的点估计方法有两种：矩估计法和极大似然估计法。这是重点内容。矩估计法直观意义最明显，对任何总体都可用，方法简单，但要求总体的相应矩存在，若不存在就不能
